Recopilación de conjuntos de datos de baja barrera con cuerpo humano real para prueba virtual interactiva por prenda

Área de la Ciencia:

• Visión por Computadora
• Interacción Humano-Computadora
• Tecnología de la Moda

Sus antecedentes:

• Los métodos actuales de prueba virtual (VTON) basados en imágenes a menudo carecen de capacidades en tiempo real y están restringidos a vistas frontales.
• Los métodos de VTON por prenda mejoran estas limitaciones, pero requieren maniquíes robóticos costosos y luchan con una alineación precisa de las prendas.

Objetivo del estudio:

• Desarrollar un método de recopilación de conjuntos de datos de prueba virtual por prenda de baja barrera y rentable.
• Mejorar la alineación entre humano y prenda en imágenes de prueba sintetizadas.
• Mejorar la calidad general y la consistencia temporal de las aplicaciones de prueba virtual.

Principales métodos:

• Se propuso un enfoque novedoso para la recopilación de conjuntos de datos por prenda utilizando cuerpos humanos reales, lo que reduce significativamente el tiempo y el costo de adquisición de datos.
• Se introdujo una representación híbrida de la persona para garantizar una alineación precisa entre la prenda y el cuerpo humano.
• Se realizaron análisis comparativos frente a métodos de prueba virtual basados en imágenes de última generación.

Principales resultados:

• El método propuesto reduce drásticamente el tiempo de recopilación de datos de 2 horas a 2 minutos por prenda.
• Se logró una calidad de imagen y una consistencia temporal superiores en comparación con las técnicas de prueba virtual existentes.
• Se demostró una alineación precisa entre humano y prenda a través de la representación híbrida de la persona.

Conclusiones:

• El método desarrollado ofrece una solución práctica y eficiente para crear conjuntos de datos de prueba virtual de alta calidad.
• El sistema apoya eficazmente las decisiones de compra de prendas, mejorando la experiencia de compra en línea.
• Este enfoque supera las limitaciones clave de las tecnologías de prueba virtual anteriores, allanando el camino para aplicaciones más accesibles y realistas.